AI 工作流 vs Agent
「什么时候用 Workflow，什么时候用 Agent？」是 Anthropic《Building Effective Agents》提出、如今被反复问到的工程判断题。本文讲清两者区别、五种编排模式的细节与组合，以及低代码平台与代码框架的选型。
核心区别
Anthropic 给出的经典区分：
- 工作流（Workflow）：LLM 和工具通过预先定义好的代码路径编排。流程是确定的、开发者写死的，LLM 只在固定节点上发挥。
- Agent（智能体）：LLM 自主决定流程和工具的使用方式，根据环境反馈动态规划下一步。
一句话：Workflow 的「剧本」是开发者写好的；Agent 的「剧本」是模型现编的。 自主性是分界线。
为什么这个区分重要？
自主性是有代价的：
| 维度 | Workflow | Agent |
|---|---|---|
| 可控性/可预测 | 高（路径固定） | 低（路径运行时才确定） |
| 成本 | 可预算（调用次数固定） | 不可预算（可能跑几十轮） |
| 调试 | 容易（逐节点看） | 难（要回放整条轨迹） |
| 灵活性 | 低（没编排的路走不了） | 高（能应对未知情况） |
| 失败模式 | 节点级、可定位 | 跑偏、死循环、误操作 |
务实原则：能用 Workflow 解决的，就别上 Agent。很多「Agent 产品」其实是 Workflow 就够了——先用最简单的方案，确实需要动态决策时才引入自主性。
五种工作流模式（逐个拆解）
1. Prompt Chaining（串联）
输入 ──► LLM① 提纲 ──► [校验] ──► LLM② 撰写 ──► LLM③ 润色 ──► 输出任务能清晰分解为固定步骤时使用。关键技巧：步骤之间加程序化校验门（gate）——如检查提纲是否覆盖要求字段，不过关就重来，把错误拦在早期。
2. Routing（路由）
输入 ──► 分类器(LLM/SLM) ──┬─► 退款流程（专用 prompt + 工具）
├─► 技术支持流程
└─► 闲聊（小模型直答）输入类型多样时先分流，每个分支用专门优化的提示和模型——分类用小模型省成本，复杂分支才上大模型（与 SLM 分级路由 同理）。
3. Parallelization（并行）
两种形态：分片（Sectioning）——把任务拆成独立子块并行处理再拼接（如分段审查长文档）；投票（Voting）——同一任务跑多次取多数/最优（如多视角安全审查）。代价是调用量翻倍，换确定性提升。
4. Orchestrator-Workers（编排者-工人）
中心 LLM 动态决定要拆哪些子任务、派给哪些 worker，最后汇总。与 Parallelization 的区别：子任务数量和内容运行时才确定。这已带一定自主性，是 Workflow 向 Agent 的过渡形态，也是多 Agent Supervisor 模式的原型（见 多 Agent）。
5. Evaluator-Optimizer（评估-优化循环）
生成 LLM ──► 草稿 ──► 评估 LLM ──► 通过? ──► 输出
▲ │否（带具体反馈）
└──────────────────────┘适用条件：有可明说的评价标准且迭代确实能提升（如翻译质量、代码过测试）。要设最大轮数，防止评估者永远不满意。
Agent 模式
当任务无法预先编排（步数与路径取决于运行时反馈）时才用真正的 Agent——它在「行动 → 观察 → 决定下一步」循环里自主推进。典型：修复一个代码 bug（要读哪些文件、跑哪些测试，事先无法确定）。Agent 的可靠性护栏：限步数与预算、关键操作人工确认、完整轨迹可观测、沙箱隔离，详见 Agent 基础。
选型决策树
任务流程能不能事先确定？
├── 能，且单次 LLM 调用就够 ──► 连 Workflow 都不用，一次调用 + 好提示
├── 能，多步固定 ──► Workflow（串联/路由/并行/评估循环按需组合）
├── 子任务动态但模式固定 ──► Orchestrator-Workers
└── 路径完全依赖环境反馈 ──► Agent（+ 护栏：限步数/确认/可观测）低代码平台 vs 代码框架
| 低代码（Dify / Coze / n8n） | 代码框架（LangGraph 等） | 直接写代码 | |
|---|---|---|---|
| 适合 | 快速验证、业务人员可维护 | 复杂状态机、需要版本控制与测试 | 逻辑简单或性能敏感 |
| 优点 | 可视化、内置 RAG/发布渠道 | 灵活、可测试、可回放 | 零依赖、完全可控 |
| 风险 | 复杂逻辑难表达、被平台锁定 | 学习成本、抽象泄漏 | 自己造轮子 |
经验路径：低代码做 PoC 验证价值 → 跑通后核心链路用代码重写保证可控性。
高频追问
Q：Workflow 和 Agent 的本质区别？ 流程由谁决定：Workflow 由开发者代码预先编排（确定路径）；Agent 由 LLM 运行时自主决定（动态路径）。自主性是分水岭，也是成本/可控性的分水岭。
Q：什么时候该用 Agent？ 仅当任务路径无法预先确定、依赖运行时环境反馈时（如自主调试代码、开放式研究）。能拆成固定步骤的一律 Workflow——更可控、便宜、好调试。「能简则简，别为了 Agent 而 Agent」。
Q：五种工作流模式怎么记？怎么组合？ 按维度记：拆步骤（Chaining）、分类型（Routing）、并行做（Parallelization）、动态派活（Orchestrator）、迭代改（Evaluator-Optimizer）。它们可自由嵌套：如 Routing 之后某分支内部是 Chaining，Chaining 的某一步用 Voting 并行。
Q：Evaluator-Optimizer 循环的失败模式？ 评估标准模糊导致永远不通过（要可操作的 rubric + 最大轮数）；评估者与生成者同源导致「自己夸自己」（换模型或加程序化检查）；每轮改进边际递减但成本线性涨（设收敛阈值）。
Q：Orchestrator-Workers 和多 Agent 什么关系？ Orchestrator-Workers 本质是多 Agent 协作的 Supervisor 形态：中心 LLM 动态拆任务、派给子 LLM、汇总结果。区别只在子 worker 是否有独立上下文与工具集，详见 多 Agent。
Q：生产中怎么给 Agent 加护栏？ 限最大步数与 token 预算、高危操作（写库/转账/删除）人工确认、全轨迹日志可回放、工具最小权限、沙箱执行、超时与降级路径（转 Workflow 或人工）。